Aprendizagem de Máquina no Ensino Superior a Distância: Um Relato sobre Avaliação Formativa Incremental e Feedback Síncrono

• Martony Demes da Silva UFPI
• Críssia Kelry Araujo Cruz UFPI

DOI: https://doi.org/10.5753/wei.2026.20171

Resumo

Este artigo apresenta um relato de experiência sobre o ensino das disciplinas de Aprendizagem de Máquina I e II no curso de Licenciatura em Computação, na modalidade a distância (EAD). O desafio central consistiu em transpor conceitos complexos de modelagem estatística e algorítmica para um público em formação docente, mitigando barreiras técnicas de infraestrutura. A metodologia fundamentou-se na estratégia de scaffolding (andaime), estruturando o aprendizado em quatro tarefas laboratoriais e um trabalho final incremental dividido em três marcos técnicos, validados por colóquios síncronos. Os resultados indicam uma taxa de retenção de 80% e uma evolução significativa na autonomia dos discentes, que transitaram da execução mecânica de códigos para a interpretação crítica de modelos. O uso do Google Colab e a mediação dialógica mostraram-se determinantes para o engajamento e a redução da carga cognitiva, demonstrando a eficácia da união entre fundamentos psicopedagógicos e ferramentas em nuvem no ensino de inteligência artificial.

Referências

Ausubel, D. P. (2000). The acquisition and retention of knowledge: a cognitive view. Springer Science & Business Media.

Behar, P. A. (2009). Modelos pedagógicos em educação a distância. Artmed, Porto Alegre.

Bordin, A. S., Garcia, L. C. M., et al. (2024). Indissociabilidade entre ensino e pesquisa em manutenção de software: Um relato de experiência. In Anais do XXXII Workshop sobre Educação em Computação (WEI). SBC.

Braga, J. C. and Castro, R. (2020). O uso de andaimes (scaffolding) no ensino de programação: uma revisão sistemática. Revista Brasileira de Informática na Educação, 28:450–475.

Garcez, D. E. S., Pereira, D. O. C., et al. (2024). Um relato de experiência sobre a construção e aplicação de um curso em ead de robótica educacional para professores. In Anais do XXXII Workshop sobre Educação em Computação (WEI). SBC.

Lau, W. W. (2020). Teaching machine learning in k-12: A case study on student understanding and misconceptions. Computers & Education, 146:103761.

Maia, S. M. and Sarkis, L. C. (2024). Utilização de llm como ferramenta de apoio no ensino-aprendizagem de programação python para iniciantes. In Anais do XXXII Workshop sobre Educação em Computação (WEI), pages 101–110. SBC.

Monteiro, E. Y. S., Santos, C. H. A., et al. (2024). Desenvolvimento de habilidades em ensino de ciência de dados: Relato de experiência comparativa entre metodologias. In Anais do XXXII Workshop sobre Educação em Computação (WEI), pages 1–11. SBC.

Moore, M. G. and Kearsley, G. (2012). Distance Education: A Systems View of Online Learning. Cengage Learning, Belmont.

Ouyang, F., Zheng, L., and Jiao, P. (2023). Ai education in the age of chatgpt: Challenges and opportunities. IEEE Transactions on Education, 66(4):345–353.

Peters, O. (2001). Didactics of distance education: Critical analysis of the theoretical literature. Routledge, London.

Sweller, J., Ayres, P., and Kalyuga, S. (2011). Cognitive Load Theory. Springer Science & Business Media.

Vincenzi, A., Falbo, R., et al. (2021). Desafios no ensino de aprendizagem de máquina em cursos de graduação. In Anais do XXIX Workshop sobre Educação em Computação (WEI), pages 121–130, Porto Alegre. SBC.

Vygotsky, L. S. (1978). Mind in society: The development of higher psychological processes. Harvard University Press, Cambridge.